Вчені Інституту науки про світло Товариства Макса Планка запропонували нову реалізацію нейронної мережі на оптичній системі, яка може зробити машинне навчання більш енергоефективним у майбутньому. Про це повідомляється у статті, опублікованій у журналі Nature Physics.
Машинне навчання та штучний інтелект вимагають все більш складних нейронних мереж, що призводить до значних витрат енергії та часу на навчання. Наприклад, навчання GPT-3 споживав понад 1000 мегават-год енергії, що еквівалентно щоденному споживанню невеликого міста.
Перехід до нейроморфних обчислень передбачає заміну нейронних мереж, реалізованих на архітектурі фон Неймана, фізичними нейронними мережами, що імітують роботу мозку. Оптика і фотоніка особливо перспективні у цій галузі, оскільки вони мінімізують енергоспоживання та дозволяють виконувати обчислення на високих швидкостях. Однак досі існували дві основні проблеми: необхідність у лазері високої потужності для створення оптичної нейромережі та відсутність ефективного методу навчання таких мереж.
У новому підході, який вирішує цю проблему, вхідні дані відображаються через зміну пропускання світла, що дозволяє обробити вхідний сигнал довільним чином. Це дозволяє уникнути складних фізичних взаємодій та потребує світлових полів меншої потужності.
За допомогою моделювання автори показали, що їх метод може використовуватися для задач класифікації зображень з тією ж точністю, що цифрові нейронні мережі. Це відкриває нові можливості для нейроморфних пристроїв, що дозволяє проводити машинне навчання на широкому спектрі платформ.
Підписуйся на наш Telegram-канал